在pwntools中使用ROP链调用execve系统调用的参数传递问题分析
2025-05-18 22:59:44作者:韦蓉瑛
背景介绍
在二进制安全研究中,ROP(Return-Oriented Programming)是一种常见的技术,它通过组合程序中已有的代码片段(gadgets)来构造攻击链。pwntools是一个强大的二进制安全框架,提供了ROP模块来简化ROP链的构建。
问题现象
在使用pwntools的ROP模块调用execve系统调用时,开发者遇到了参数传递不正确的问题。具体表现为:
- 虽然成功调用了execve并启动了shell,但命令行参数没有被正确解析
- 特别是"-c"参数被忽略,导致shell尝试直接执行"whoami"命令而不是将其作为参数解析
- 错误信息显示为"/bin/sh: 0: cannot open whoami: No such file"
技术分析
execve系统调用的参数要求
execve系统调用需要三个参数:
- 第一个参数(pathname):要执行的程序路径,如"/bin/sh"
- 第二个参数(argv):参数数组,必须以NULL指针结尾
- 第三个参数(envp):环境变量数组,通常可以设为NULL
ROP链构建的关键点
在pwntools中构建ROP链调用execve时,需要注意以下几点:
-
参数数组的构建:argv数组必须正确构建,包括:
- 每个参数的正确指针
- 数组必须以NULL指针结尾
- 参数在内存中的布局必须符合预期
-
栈地址对齐:ROP链的base地址必须正确设置,确保参数在预期位置
-
字符串格式:参数必须使用正确的格式,如使用0而不是b'0'作为终止符
解决方案
正确的ROP链构建方法应遵循以下原则:
- 参数数组构建:
rop.call('execve', [bin_sh, [bin_sh, b'-c', b'whoami', 0], 0])
-
栈地址对齐: 确保ROP链的base地址正确指向返回地址位置,通常需要根据实际栈布局调整
-
完整示例:
from pwn import *
context.binary = './vulnerable_program'
io = process()
libc = io.libc
buf_addr = int(io.recvline().split(b': ')[1], 16)
ret_addr = buf_addr + 0x10 # 根据实际偏移调整
bin_sh = next(libc.search(b'/bin/sh'))
rop = ROP(libc, base=ret_addr)
rop.call('execve', [bin_sh, [bin_sh, b'-c', b'whoami', 0], 0])
io.sendline(flat({0x10: rop.chain()}))
io.interactive()
常见错误排查
-
参数被忽略:
- 检查argv数组是否正确构建
- 确保每个参数都是有效的指针
- 验证栈布局是否符合预期
-
段错误(SIGSEGV):
- 检查NULL终止符是否正确使用(使用0而不是b'0')
- 验证内存地址是否可写
-
参数解析错误:
- 检查字符串格式是否正确
- 确保参数在内存中的顺序正确
总结
在使用pwntools构建ROP链调用execve时,参数传递的正确性至关重要。开发者需要特别注意argv数组的构建和内存布局,确保每个参数都能被正确解析。通过合理设置ROP链的base地址和正确构建参数数组,可以成功实现复杂的命令执行。
在实际应用中,建议使用pwntools提供的调试功能(如gdb.debug)来验证ROP链的执行过程和内存状态,这有助于快速定位和解决参数传递问题。
登录后查看全文
热门项目推荐
相关项目推荐
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0153- DDeepSeek-V4-ProDeepSeek-V4-Pro(总参数 1.6 万亿,激活 49B)面向复杂推理和高级编程任务,在代码竞赛、数学推理、Agent 工作流等场景表现优异,性能接近国际前沿闭源模型。Python00
LongCat-Video-Avatar-1.5最新开源LongCat-Video-Avatar 1.5 版本,这是一款经过升级的开源框架,专注于音频驱动人物视频生成的极致实证优化与生产级就绪能力。该版本在 LongCat-Video 基础模型之上构建,可生成高度稳定的商用级虚拟人视频,支持音频-文本转视频(AT2V)、音频-文本-图像转视频(ATI2V)以及视频续播等原生任务,并能无缝兼容单流与多流音频输入。00
auto-devAutoDev 是一个 AI 驱动的辅助编程插件。AutoDev 支持一键生成测试、代码、提交信息等,还能够与您的需求管理系统(例如Jira、Trello、Github Issue 等)直接对接。 在IDE 中,您只需简单点击,AutoDev 会根据您的需求自动为您生成代码。Kotlin03
Intern-S2-PreviewIntern-S2-Preview,这是一款高效的350亿参数科学多模态基础模型。除了常规的参数与数据规模扩展外,Intern-S2-Preview探索了任务扩展:通过提升科学任务的难度、多样性与覆盖范围,进一步释放模型能力。Python00
skillhubopenJiuwen 生态的 Skill 托管与分发开源方案,支持自建与可选 ClawHub 兼容。Python0112
热门内容推荐
最新内容推荐
项目优选
收起
暂无描述
Dockerfile
733
4.75 K
deepin linux kernel
C
31
16
Ascend Extension for PyTorch
Python
651
797
Claude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed.
Get Started
Rust
1.25 K
153
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
1.1 K
611
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
1.01 K
1.01 K
华为昇腾面向大规模分布式训练的多模态大模型套件,支撑多模态生成、多模态理解。
Python
147
237
昇腾LLM分布式训练框架
Python
168
200
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
434
395
暂无简介
Dart
986
253